Por que isso importa
Organizações de saúde em todos os níveis, do local e regional ao nacional, usam dados para entender seu desempenho — embora nem sempre o façam de forma eficaz.
Os dados ajudam a responder perguntas que são fundamentais para a melhoria. Em uma jornada de melhoria, você precisa entender:
- Onde está seu desempenho no início?
- Quais são os efeitos das suas mudanças?
- Você está mantendo os ganhos ao longo do tempo?
Além disso, os dados fornecem um ponto de referência comum para termos boas conversas sobre o trabalho de melhoria que todos nós estamos fazendo e o efeito que ele está tendo.
Há muitas maneiras de apresentar e analisar dados, como estatísticas resumidas, tabelas, testes estatísticos e gráficos. Para esforços de melhoria, exibições visuais de dados são frequentemente a melhor abordagem para aprender com a variação nos dados. As imagens são geralmente fáceis e rápidas de preparar, e elas tornam possível acessar quase todos os tipos de insights potenciais dos dados. Elas levam a uma visão sistemática de problemas e oportunidades. É importante ressaltar que exibições visuais ajudam você a identificar detalhes pequenos, mas importantes, que podem ser perdidos em outros tipos de análise. Por exemplo, se você estiver monitorando a duração do seu trajeto, uma estatística resumida como a média (média) do mês dirá que o tempo médio de trajeto foi maior do que o normal no mês passado. Uma exibição visual pode mostrar que isso ocorre porque em um único dia você levou três vezes mais tempo do que o normal — talvez porque seu carro quebrou — enquanto todos os outros dias seguiram de perto sua rotina habitual.
Os tipos básicos de exibições de dados visuais mais intimamente associados ao controle estatístico de processos são gráficos que mostram dados ao longo do tempo (por exemplo, gráficos de execução e gráficos de controle), gráficos que mostram distribuições de dados (por exemplo, gráficos de pareto e histogramas) e gráficos que mostram relacionamentos entre diferentes características (por exemplo, gráficos de dispersão). Aqui, vamos nos aprofundar em gráficos de execução e controle.
Tipos de variação
A melhoria da qualidade requer o uso de dados para aprender e prever o desempenho futuro. Na melhoria, é essencial entender que todo processo tem uma variação inerente que queremos entender. Existem dois tipos:
A variação pretendida é uma parte importante do cuidado de saúde eficaz e centrado no paciente. Também é chamada de variação proposital, planejada, guiada ou considerada.
Exemplo: Um médico prescreve propositalmente doses diferentes de um medicamento para uma criança e um adulto.
Variação não intencional é devido a mudanças introduzidas no processo de assistência médica que não são propositais, planejadas ou guiadas. Elas geralmente criam ineficiências, desperdício, assistência ineficaz, erros e lesões em nosso sistema de assistência médica e reduzi-las geralmente resulta em melhores resultados e custos mais baixos.
Exemplo: Sem perceber, um médico prescreve analgésicos para uma pessoa e não os prescreve para uma segunda pessoa com a mesma condição devido a um preconceito implícito (estereótipos subconscientes) sobre quem precisa de alívio da dor.
A variação em uma medida de qualidade pode resultar de causas comuns — causas esperadas que são inerentes ao sistema. Ela também pode derivar de causas especiais — causas não naturais que não fazem parte do sistema, mas surgem devido a circunstâncias específicas .
Em um sistema estável, apenas causas comuns afetam os resultados. A variação é previsível dentro de limites estatisticamente estabelecidos. Em contraste, em um sistema instável, os resultados são afetados por causas comuns e causas especiais. Nesse caso, a variação é imprevisível .
Plotando dados ao longo do tempo
Em uma jornada de melhoria da qualidade, usamos gráficos de execução e gráficos de controle bem anotados para aprender com variações nos dados.
Um gráfico de execução é um gráfico de dados ao longo do tempo. Ele ajuda você a determinar se as mudanças que você faz estão levando a melhorias.
O gráfico acima descreve o atendimento especializado ao parto em uma unidade de saúde de julho de 2015 a novembro de 2017. Ao observar o gráfico, vemos que as mudanças introduzidas em agosto de 2016 e março de 2017 levaram a melhorias no atendimento especializado ao parto, circuladas em vermelho (uma tendência ascendente constante e um pico enorme, respectivamente).
Um gráfico de controle ajuda você a distinguir entre causas especiais e comuns de variação. Ele inclui um limite de controle superior (UCL) e um limite de controle inferior (LCL) marcados acima e abaixo da linha média. A variação dentro desses limites é esperada e atribuída a causas comuns; a variação além desses limites sugere causas especiais. Use gráficos de controle para identificar os primeiros sinais de sucesso em um projeto de melhoria e para monitorar um processo para garantir que ele esteja mantendo os ganhos de um esforço de melhoria de qualidade.
O gráfico de controle acima descreve a triagem de sífilis no atendimento pré-natal de julho de 2015 a 2018. Novamente, ao olhar para o gráfico, vemos que as mudanças introduzidas em outubro de 2016 levaram a uma melhoria na triagem de sífilis. As taxas sobem acima do limite de controle superior e a média muda para cima. Além disso, o novo nível de desempenho foi sustentado após abril de 2017. Este gráfico demonstra a manutenção dos ganhos obtidos durante a melhoria.
Para saber mais sobre o uso de gráficos de execução , gráficos de controle e outras exibições de dados, bem como modelos para você começar, baixe o Kit de ferramentas essenciais para melhoria da qualidade do IHI .
Zewdie Mulissa é Oficial Sênior de Monitoramento e Avaliação no Institute for Healthcare Improvement.